UMAP 调整及常见参数整理UMAP（Uniform Manifold Approximation and Projection）是一种广泛用于高维数据降维的算法，在单细胞分析中常用于可视化细胞的聚类和群体关系。以下是 UMAP 的常见参数及调整建议。 UMAP 常用参数说明1. dims 作用：指定用于降维的主成分（PCA）的数量。

事情的起因是看了这篇文章中的UMAP图，有啥特点呢？每个点都是有边框的，这不就是ggplot中选择shape=21的形状吗？很显然，Dimplot是实现不了的。UMAP降维图本质也是散点图，只需要将作图数据导出，ggplot2就可以实现任何你想要的修饰了。

做单细胞分析时，由于基因数很多无法直观的看出哪些细胞属于一组，所以需要用到降维，将维度数据转换成2维或3维，以方便查看细胞聚类的效果。降维用到的方式为umap和tsne。降维成2维很常见了，但降维成3维该如何实现。 首先加载数据

7. umap/tsne可视化：通过不同分辨率下的umap或tsne图来观察细胞群的分布，如果随着分辨率的增加，细胞群的分离度没有明显变化，那么可以选择一个较低的分辨率作为合适的分群数量。

2024年4月21日 · 搬运自YouTuBe 原作者：https://www.youtube.com/@phdvlog2024 PS：大家如果对视频有疑问或者想和大佬进行讨论，欢迎大家移步油管。

典型的 umap 图为点图 x 轴和 y 轴分别代表 UMAP 降维后的两个方向的具体情况。 图中每个点代表每个样本在 UMAP 降维后在两个方向中对应的映射位置信息，单个样本的数值大小不能体现单个样本说明特征情况，需要整体来看。

2008年2008ICM特等奖论文全集（The UMAP Journal v. 29 no. 2 ） 美国数学建模大赛题目+05--07部分优秀论文 - 经济金融数学专区 - 经管之家(原人大经济论坛) 数学建模优秀论文|MATLAB技术论坛 - Powered by Discuz! Mathematical Contest in Modeling (MCM)

其实umap的坐标值代表什么，与pca的坐标值代表什么是类似的问题，而pca相对简单。 PCA分析将原数据拆解为载荷loading和嵌入embedding两个矩阵。 我们知道PCA后维度数从本来的上万下降到10-30之间，而本来的维度都是具体的基因。

umap在低维空间中表示高维数据，同时保留局部和全局结构。 然而，UMAP使用不同于t-SNE的数学方法，这可能导致不同的权衡和结果。 UMAP是基于对高维数据构建一个模糊拓扑表示，然后优化低维表示，使其尽可能接近这个模糊拓扑结构的概念。

在UMAP论文中看到其中的配图都非常漂亮，希望在数学建模中可以配上这样比较Fancy的图（比如下面两图），但是不知道用什么软件可以比较方便快捷的做出，…